Aug, 2016

一种面向图像数据和视频的方向离群度度量方法

PDF
TL;DR本论文介绍了一种新的方向异常测量标准，Directional Outlyingness（DO）用于探测函数数据中的异常点，并应用于光谱、MRI 影像和视频监控数据中。
functional dataoutlier detectiondirectional outlyingness measureinfluence functionreal data application
发现论文，激发创造
  • 高维数据的异常检测

    本文提出了一种名为 stray 的算法，使用基于极值理论的方法计算异常值阈值，针对 HDoutliers 算法的局限性进行改进，可以在准确性和计算时间上优于 HDoutliers 算法，对于数据结构中存在的异常值，使用特征工程进行检测，已在开源 R 包 stray 中实现。

    Aug, 2019

  • 函数数据的极值深度及其应用

    本研究提出了一种新的概念 —— 极端深度（ED）用于函数数据，讨论了其性质，并将其性能与现有概念进行了比较。该提议的概念基于极端异常度量，具有其他概念不具备的一些理想性质，特别适合于获得函数数据和函数空间的中心区域，在构建集中区域、函数箱线图、异常值检测和回归问题中有着广泛的应用。

    Oct, 2015

  • 多层次离群检测的函数数据视角和基线

    采用了一种基于网络的功能视图方法，通过提取多层分类器中的统计模式和关系来探测样本轨迹中的异常，从而改进了流行的过度分布检测方法。

    Jun, 2023

  • 基于 OOD 训练数据的许多方法估计相同核心量的组合来分解 OD 检测

    本文旨在识别常见的目标，以及识别不同 OOD 检测方法的隐含评分函数。我们展示了许多方法在共享学习方式下表现相似，二进制区分器达到与异常暴露相似的 OOD 检测性能，还展示了置信度损失具有在理论上最优得分函数不同但与训练和测试 out-distribution 相同时的函数相似的隐含评分函数，从实践中发现，这些方法训练方式一致时都表现相似。

    Jun, 2022

  • 功能孤立森林

    本研究旨在将广泛应用于有限维数据的孤立森林（Isolation Forest）方法扩展到函数数据，以便更准确地检测出复杂基础设施的异常情况，并提出了基于 IF 算法的函数统计深度方法和多元函数扩展。

    Apr, 2019

  • 基于概率距离的离群点检测

    研究提出了一种将基于距离的异常点检测得分转化为可解释的概率估计的方法，其利用数据点之间的距离概率分布将距离得分转换为异常点概率，实验结果显示这种概率转换不影响检测性能，但可产生具有增强对比度的可解释的异常点分数。

    May, 2023

  • 基于直方图和扩散的医疗异常检测

    基于直方图和扩散的方法相结合，该研究旨在通过对医学图像进行无监督异常检测，探索并提出后处理步骤以提高医学图像中异常检测的性能。

    Oct, 2023

  • 医学图像分割中维度降低以改善超出分布检测

    通过使用马氏距离后处理肝脏磁共振成像的 Swin UNETR 模型的瓶颈特征，通过主成分分析降低瓶颈特征的维度，高效且计算负载最小地检测到了分布外的图像。

    Aug, 2023

  • 重塑三维医学图像的异常检测

    通过使用 Expected Performance Drop (EPD) 作为新问题设计的核心贡献，我们重新定义了医学图像分割中的异常检测问题，该方法在 11 个 CT 和 MRI OOD 检测挑战中展示了其有效性。

    Aug, 2023

  • ECOD: 使用经验累积分布函数进行无监督异常检测

    本文提出了一种简单且有效的异常检测算法 ECOD，它是一种无参估计方法，通过计算数据的经验累积分布函数估计数据的尾部概率，进而计算每个数据点的异常得分。通过在 30 个基准数据集上的实验验证，我们发现 ECOD 在准确性、效率和可扩展性等方面均优于其他 11 种现有的异常检测方法。同时，我们还提供了易于使用、可扩展的 Python 实现，以保证算法的可访问性和可重复性。

    Jan, 2022